IBM une cuatro modelos Granite en una sola previsión. Supera al mejor por dos milésimas y la verdadera ganancia es no tener que elegir

IBM Research publicó el 22 de octubre en Hugging Face Granite Timeseries Ensemble. La receta combina cuatro modelos propios de previsión de series temporales y devuelve una previsión puntual y sus cuantiles, sin reentrenamiento y sin pesos ajustados.

IBM apila cuatro arquitecturas distintas en una sola previsión

Los miembros son Granite PatchTST-FM-r1 (patched transformer), PatchTST-FM-r2 (patched conformer), FlowState-r1.1 (modelo de espacio de estados) y TTM-r3 (Tiny Time Mixers). Cada uno capta de forma diferente la tendencia, la estacionalidad y las oscilaciones cortas, así que sus errores no tienen por qué coincidir. Sus tamaños difieren en órdenes de magnitud: Hugging Face indica 1,41 millones de parámetros para TTM-r3, 9,07 millones para FlowState y 0,3 y 0,4 miles de millones para los dos modelos PatchTST.

El método por defecto, Probabilistic Ensemble, da el mismo peso a todos los miembros y agrupa sus previsiones por cuantiles en una única distribución. La alternativa, IQR Ensemble, favorece a los miembros con intervalos más estrechos. La propia IBM advierte de que un intervalo más estrecho no implica necesariamente una previsión más precisa y de que este método puede premiar a un modelo demasiado confiado. La receta y sus miembros por defecto tienen licencia permisiva y se instalan con el paquete granite-tsfm a partir de la versión 0.3.11.

En GIFT-Eval el ensemble gana por dos milésimas y pierde en los cuantiles

IBM probó ambas recetas en 97 configuraciones del benchmark GIFT-Eval, sin fine-tuning. Probabilistic Ensemble obtiene el MASE más bajo de las seis previsiones comparadas, 0,683. El mejor miembro individual, PatchTST-FM-r2, marca 0,685. En CRPS, que evalúa la distribución probabilística completa, PatchTST-FM-r2 conserva el primer puesto con 0,467 frente al 0,471 de ambos ensembles. En la clasificación del 20 de octubre de 2026, el enfoque quedó tercero entre los sistemas que IBM considera comparables, tanto en el rango medio de MASE como en el de CRPS.

Para un equipo de datos en energía, logística o comercio electrónico, el rango medio importa más que la puntuación absoluta. El ensemble se mantiene arriba de forma fiable con datos muy variados, aunque en una serie concreta gane otro modelo. IBM lo dice abiertamente: la principal ventaja es la robustez. En una empresa donde la previsión atiende cientos de series, de la demanda al consumo eléctrico, desaparece la discusión sobre qué modelo elegir. Queda una sola interfaz que también admite forecasters compatibles de otros autores.

Radar ya había presentado PatchTST-FM-r2 como el modelo con licencia permisiva más fuerte en GIFT-Eval. El ensemble lo adelanta por muy poco en precisión puntual y se queda atrás en la probabilística. Para un equipo al que le basta con un buen modelo, cambia poco.

Cuatro checkpoints consumen más memoria y las recetas ampliadas tienen otras licencias

La receta descarga los cuatro checkpoints al ejecutarse, por lo que la inferencia tarda más y usa más memoria que un solo modelo. Predice las series multivariantes canal a canal sin aprovechar las relaciones entre ellos, algo que puede perjudicar con datos como temperatura y consumo. Según IBM, ninguno de los dos métodos garantiza la calibración ni la robustez ante cambios en la distribución de los datos. Además, las recetas ampliadas con checkpoints adicionales de IBM Research tienen sus propias condiciones de licencia, que incluyen restricciones de uso no comercial y de investigación. Quien tome una variante ampliada del repositorio sin leer la model card puede meter un problema legal en su producto.

Lo decidirá un backtest con datos propios, no el puesto en la clasificación

La propia IBM recomienda comparar ambos ensembles con PatchTST-FM-r2 en las mismas ventanas históricas, comprobar si el intervalo entre los cuantiles 0,1 y 0,9 cubre de verdad el 80 % de los casos y medir tiempo y memoria. Si los equipos descubren que una ganancia de milésimas cuesta bastante más latencia, se quedarán con un único modelo. La segunda señal será si empiezan a aparecer forecasters ajenos en la interfaz. En ese caso, la receta de IBM podría convertirse en una forma neutral de combinar previsiones de modelos de distintos autores.

El veredicto de Lilith

Los meteorólogos dejaron hace tiempo de discutir qué modelo tiene razón y leen el tiempo a partir de todo el conjunto de simulaciones. IBM ofrece ahora lo mismo a quienes planifican almacenes y redes eléctricas: una previsión dos milésimas más precisa y, sobre todo, el fin de las reuniones de media hora para decidir de qué modelo fiarse.